Peptide Retention Time Prediction in Hydrophilic Interaction Liquid Chromatography: Data Collection Methods and Features of Additive and Sequence-Specific Models
Notice bibliographique
Résumé
The development of a peptide retention prediction model for hydrophilic interaction liquid chromatography (XBridge Amide column) is described for a collection of ∼40 000 tryptic peptides. Off-line 2D LC-MS/MS analysis (HILIC-RPLC) of S. cerevisiae whole cell lysate has been used to acquire retention information for a HILIC separation. The large size of the optimization data set (more than 2 orders of magnitude compared to previous reports) permits the accurate assignment of hydrophilic retention coefficients of individual amino acids, establishing both the effects of amino acid position relative to peptide termini and the influence of peptide secondary structure in HILIC. The accuracy of a simple additive model with peptide length correction ( R 2 value of ∼0.96) was found to be much higher compared to an algorithm of similar complexity applied to RPLC (∼0.91). This indicates significantly smaller influence of peptide secondary structure and interactions with counterions in HILIC. Nevertheless, sequence-specific features were found. Helical peptides that tend to retain stronger than predicted in RPLC exhibit negative prediction errors using an additive HILIC model. N-cap helix stabilizing motifs, which increase retention of amphipathic helical peptides in RP, reduce peptide retention in HILIC independently of peptide amphipathicity. Peptides carrying multiple Pro and Gly (residues with lowest helical propensity) retain stronger than predicted. We conclude that involvement of the peptide backbone’s carbonyl and amide groups in hydrogen-bond stabilization of helical structures is a major factor, which determines sequence-dependent behavior of peptides in HILIC. The incorporation of observed sequence dependent features into our Sequence-Specific Retention Calculator HILIC model resulted in 0.98 R 2 value correlation, significantly exceeding the predictive performance of all RP and HILIC models developed for complex mixtures of tryptic peptides.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».